Korea Digital Contents Society

Current Issue

Journal of Digital Contents Society - Vol. 22, No. 8

[ Article ]
Journal of Digital Contents Society - Vol. 22, No. 8, pp.1207-1218
Abbreviation: J. DCS
ISSN: 1598-2009 (Print) 2287-738X (Online)
Print publication date 31 Aug 2021
Received 11 Jul 2021 Revised 02 Aug 2021 Accepted 02 Aug 2021
DOI: https://doi.org/10.9728/dcs.2021.22.8.1207

예비 정보 교사 대상의 컴퓨터비전 활용 드론 프로그래밍 교육 과정 설계와 학습 경험 의미 네트워크 분석
전형기1 ; 김영식2, *
1한국교원대학교 컴퓨터교육과 박사수료
2한국교원대학교 컴퓨터교육과 교수

Design of an Instructional Course for Computer-Vision based Drone Programming for Preliminary Informatics Teachers and Semantic Network Analysis on the Participants' Learning Experience
Hyeongki Jeon1 ; Yungsik Kim2, *
1Ph.D.Candidate, Department of Computer Education, Korea National University of Education, Cheongju 28173, Korea
2Professor, Department of Computer Education, Korea National University of Education, Cheongju 28173, Korea
Correspondence to : *Yungsik Kim E-mail: hatchling@outloo.kr


Copyright ⓒ 2021 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

초록

드론은 4차 산업혁명 시대의 대표적인 산물이며, 현재는 SW차원에서 드론교육을 실시할 교사를 위한 준비가 필요한 시점이다. 본 연구의 목적은 예비 정보교사를 위한 드론 프로그래밍 과정을 설계하고 참여자에게 이것이 어떤 의미가 있는지 분석하는 것이다. 본 연구는 상황학습에 입각하여 교육과정을 설계하였으며 그 내용은 드론과 컴퓨터 비전을 융합하여 프로그래밍할 수 있도록 구성하였으며 개발된 과정을 적용한 후 참여자의 학습 경험을 수집하여 의미 네트워크를 형성하였다. 감정을 중심으로 분석했을 때 네트워크를 분석한 결과 이 과정이 학습자에게 교육받을 만한 흥미로운 내용으로 구성된 것을 확인했다. 그리고 분석된 내용을 바탕으로 SW교육은 실습이 중요하며, 드론은 컴퓨터 비전영역과 연계를 중요하게 다뤄야 한다는 시사점을 제시한다.

Abstract

Drones are a representative product of the era of the 4th industrial revolution, and now it is time to prepare for teachers who will conduct drone education at the SW level. This study aimed to design a drone programming course for preliminary informatics teachers and to analyze what it means to participants. In this study, the curriculum was designed based on situated learning, and the contents were structured so that drones and computer vision could be fused and programmable. And after applied to preliminary teachers, statements about their experiences were collected to form a semantic network. According to the Semantic Network Analysis on the participants’ learning experience, especially focusing on emotions, we could confirm that the participants thought that this course consisted of interesting contents and was worth learning. And based on the analyzed contents, it suggests that practical training is important for SW education and that drones should deal with computer vision and connection with importance.


Keywords: Computer Vision, Drone, Sementic Network Analysis, Situated Learning Theory, SW Education
키워드: 컴퓨터비전, 드론, 의미 네트워크 분석, 상황학습이론, SW 교육

Ⅰ. 서 론

세계는 SW(software)를 중심으로 다양한 영역에서 융합이 활발하게 일어나 산업에 혁신을 일으키는 4차 산업혁명 시대를 지나고 있다. 이러한 변화는 초연결, 초지능, 초융합의 성격을 지니고 빠른 속도로 인간사회 전역에 영향을 미칠 것으로 예견된다. 이러한 4차 산업혁명은 빅데이터, 데이터 분석, 인공지능, 로봇공학, 사물인터넷, 무인운송수단, 3D 프린팅, 나노 기술과 같은 7대 분야의 기술에 의해 견인되는데 이 중 무인운송수단의 대표적인 예는 드론(drone)을 들 수 있다[1].

드론은 “원격 또는 자동으로 제어되는 무인 로봇 이동체”로 정의된다[2]. 이 정의가 담고 있는 드론의 속성은 “무인”, “자동화”, “이동성”이다. 이러한 속성들을 바탕으로 드론은 인간이 도달하기 어려운 공간에 위치하여 임무를 수행하며, 기존의 이동체들을 보완하고 대체할 수 있다. 그 결과 군사용 무기에서부터 건설, 에너지, 물류, 재난구조, 교통 관측, 과학 연구, 농업, 환경오염물 제거, 촬영, 취재, 예술, 취미 등 다양한 영역에서 활용되며 새로운 가치를 창출하고 있다.

드론이 미래 사회에 미칠 영향이 클 것으로 예상되기에 드론에 대한 교육의 필요성은 점차 높아지고 관련된 교육도 다양한 영역에서 실시되고 있다[3]. 직업계 고등학교의 드론 전문학과가 편성, 드론 교육 전문학원에서의 자격증을 취득 과정, 지자체에서 드론 축구 대회가 그것이다[4][5][6]. 이러한 과정들은 조종술 및 정비기술 확보, 자격증 취득, 단순체험을 통한 문화확산 등을 목적으로 전개 된다.

더 나아가 4차 산업혁명을 주도한 주요 기술들이 SW와 관련이 있음을 주목했을 때, 드론 관련 교육 역시 SW 측면에서 조망할 필요가 있다. 드론과 기존의 무선비행체를 구분 짓는 경계는 자동화 여부에 있다. 그 예로 무선비행체는 기존에도 존재했지만, 그것들을 모두 드론이라고 부르지 않는다. 자동화가 고도로 확보된 드론의 경우 조종사의 조종과정이 축소된다. 일례로 평창 동계올림픽에서 1218대의 드론을 제어한 것은 조종사 1218명이 아니라 1명의 엔지니어였다. 드론이 상용화될 가까운 미래에는 드론은 높은 수준으로 자동화될 것이며 이를 운용하는 데 있어서 드론을 직접 조종하는 파일럿(pilot)의 역할보다는 SW의 역할이 중요하게 될 전망이다.

드론이 가지고 있는 미래가치는 이동체로서의 특성뿐 아니라 원격으로 현장의 정보를 수집하여 정해진 임무를 수행하는 능력에 있다. 그러나 현재까지 드론을 SW 차원에서 다루는 교육 사례는 대체로 블록방식 프로그래밍으로 비행경로를 프로그램으로 설정하는 내용이다[7][8]. 드론을 이용한 문제해결에는 집중하지 못하고 조작하기 쉬운 이동체로만 이용하여 체험적으로 접근하고 있는 실정이다. 이러한 현상에 대한 이유는 드론 자체가 가지는 난이도, 가격, 배터리 성능으로 제한된 활동시간, 부족한 SW 교육 활동시간, 교사들의 연구시간 및 역량 등 제한된 상황에서 기인한 것이다. 그러나 이런 어려움에도 불구하고 가까운 미래에 드론이 우리 사회에 미칠 영향을 생각한다면 단순히 신기하지만 다루기 어려운 장치가 아니라 문제해결을 위해 이해 가능하며 학습자가 활용 가능한 수준으로 교육내용을 마련할 필요가 있다.

특히 드론이 기본적으로 가지고 있는 다수의 센서 중 카메라의 기능을 문제해결 과정에 활용해 볼 수 있다. 실제로 드론의 편의를 확장하고 지능화하는데 카메라 기반의 컴퓨터비전(Computer Vision)이 많은 부분 기여한다. 인공지능의 시각으로 알려진 컴퓨터비전은 최근 고등학교 선택과목인 “인공지능 기초”과목이 개설되어 내용으로 채택된 부분이기도 하다.

이에 본 연구는 드론과 컴퓨터비전을 연계하는 과정을 개발하였으며 예비교사에게 적용하였다. 그리고 참여자들에게 이 과정이 어떤 의미가 있었는지 알아보기 위해 참가자들이 산출한 감정을 중심으로 의미네트워크를 분석하여 이 과정에 대한 시사점을 제시한다.


Ⅱ. 이론적 배경
2-1 드론과 컴퓨터비전

드론의 기원에 대해서는 여러 가지 설이 있으나, 드론의 개념이 최초로 도입된 사례는 제2차 세계대전 시기 영국과 미국의 무인기 프로젝트였다. 1930년대 영국 해군은 대공훈련을 위한 표적용 DH-82B Queen Bee를 개발했다. Queen Bee는 “드론의 어머니”라 불리며 다른 항공기 또는 군함 등에서 원격 조종 가능한 무인 항공기였다. 이후 Queen Bee를 계승한 미군의 무인기 프로젝트가 진행되는데 당시 프로젝트명은 “Drone”이었으며 무인기를 지칭하는 용어가 되었다[9].

대중적으로는 다수의 로터를 작동하는 멀티콥터 타입의 비행체가 드론으로 알려져 있으나 드론의 형태는 다양하며 그 활용 영역도 다양하다.

미 국방장관실에서 발간한 UAS(Unmanned Aircraft System)로드맵은 국방과 항공의 측면에서 드론을 다루며, UAS와 UAV(Unmanned Aircraft Vehicle)를 언급한다. 먼저 UAV는 “조종사가 탑승하지 않고, 공기역학적 힘에 의해 부양하여 자율적으로 또는 원격조종으로 비행을 하며, 무기 또는 일반화물을 실을 수 있는 일회용 또는 재사용할 수 있는 동력 비행체를 말한다.”라고 정의된다[10]. 그리고 UAS는 기체 뿐 아니라 이를 운용하는데 필요한 다수의 관제와 보조에 필요한 HW(Hardware)와 SW(Software)를 묶어 시스템화 한 것이다. 따라서 교육에 있어서 UAV에 속하는 본체만 다룬다면 교육 내용이 축소되거나 드론에 대한 잘못된 이해를 가져올 수 있다. 오히려 시스템 차원에서 드론에 관련된 전반을 다루어야 드론이 가진 능력과 원리를 이해하고 부가가치를 창출하는데 도움이 될 것이다.

한편 개발자 입장에서 드론의 정의는 리눅스 재단의 Dronecode 프로젝트에서 살펴볼 수 있다. Dronecode 프로젝트는 드론 산업을 표준화하려는 오픈소스 프로젝트다. 프로젝트의 개발자 안내서와 사용자 안내서는 드론을 비행체로만 한정하지 않는다. 이 안내서는 드론을 “자동 또는 원격으로 제어되는 인간이 탑승하지 않는 로봇스러운 기체”로 정의한다[2]. 정의에 따르면 드론은 로봇의 하위 개념이며 기체의 형태, 크기는 고려사항이 아니다. 실제로 Dronecode 프로젝트가 제안하는 드론의 형태는 다양하며 그중에는 무인 차량도 있다.

컴퓨터비전은 컴퓨터 과학의 한 분야로 컴퓨터의 시각을 구현하는 부분을 연구하며 인간이 시각을 통해서 할 수 있는 작업을 이해하고 자동화하는 분야이다[11]. 컴퓨터비전은 인공지능기술의 한 축을 이루고 있으며 의학, 머신비전, 국방, 자율주행 등 다양한 영역에서 활용된다.

한편 드론이 컴퓨터 비전을 활용하는 경우로 드론의 위치제어, 사물 인식, 사물 추적 등을 대표적 사례로 들 수 있다.

먼저, 카메라 기반의 위치제어는 GPS를 활용할 수 없는 지역에서 유용하다. GPS는 특성상 오차가 미터 단위로 발생하고 특히 실내의 경우 GPS 수신율이 급격히 떨어지며 자신의 위치를 추측하기 어렵다. GPS에 의해 드론이 자신의 위치를 추정할 수 없는 실내에서는 GPS를 대신하는 다른 기준이 필요하다. 이를 보완하기 위해 카메라 기반의 위치보정이 적용된 드론은 카메라를 마치 마우스의 광센서처럼 이용하여 공중에 자신의 위치를 고정시키거나 정확한 위치에 착륙할 수 있다. 다음으로 사물 인식과 추적은 카메라를 통해 입력된 이미지를 처리하여 목표를 확인하고 이를 추적한다. 여기에는 이미지에서 대상을 확인할 수 있는 머신러닝 기술이 필요하며 인식된 결과로부터 드론의 적절한 움직임을 지시하는 알고리즘이 적용된다. 즉 드론과 컴퓨터비전의 연계는 드론의 교육 과정에 있어 포함되어야 할 중요한 요소이다.

2-2 상황학습이론

상황학습이론에서 지식은 상황적인 것으로, 그 지식이 사용될 과제, 맥락, 문화 안에서 생성되는 것으로 간주한다. 상황학습이론은 구성주의 교육철학을 기반으로 하는데 구성주의적 관점에서 교육이란 학습자에게 경험을 제공해서 학습자 스스로 지식을 구성하고 돕는 과정이다. 따라서 구성주의는 교육이 효과적으로 이루어지기 위해서는 학습자에게 적절한 경험을 제공하는 것이 중요하다는 입장이다. 상황학습이론을 연구하는 학자들은 이러한 경험을 상황적으로 제시할 것을 제안한다. 존 실리 브라운(John Seely Brown), 앨런 콜린스(Allan Collins), 폴 뒤그드(Paul Duguid)는 “지식이란 상황적인 것이고 그 지식이 사용될 과제, 맥락, 문화 안에서 생성되는 것이지 결코 단독적으로 존재하는 것은 아니다. 따라서 실제와 유사한 상황에서 이루어지는 학습이야말로 문화 적응의 과정이다.”라고 주장했다[12]. 이에 따르면 학습자의 지식구성을 위한 경험은 풍부한 맥락 속에서 이루어져야 효과적이며 맥락과 함께 지식이 구성될 때 활용 가능한 형태로 활성화된다. 상황학습이론은 다음과 같은 원리에 의해 학습에 적용된다[13].

첫째, 지식이나 기능이 사용되는 실제적인 맥락이 함께 제시되어야 한다. 지식이나 기능은 고립된 것이 아니라 광범위한 맥락의 일부분이며 실제 맥락이 제공되면 더욱 이해하기 쉽고 사용하기 쉬워진다.

둘째, 실제적인 과제를 사용해야 한다. 실제적 과제는 실제로 현실에서 사용하고 있는 과제를 말한다. 실제적 과제를 제시함으로써 문제 자체가 가지고 있는 복잡한 상황에서 핵심적인 원리나 기능을 분석하고 구별하는 기능을 함께 익히게 한다. 즉 문제를 단순화하거나 문제해결의 장애물을 제거하지 않고 순수한 형태로 제시해야 함을 의미한다.

셋째, 실제적인 과제는 그 지식이 사용되는 분야의 전문가들이 사용하는 체계적인 문제해결 방법과 사고 과정을 반영해야 한다. 상황학습에서는 추상적이고 일반적인 형태의 지식이 아니라 도구로서의 지식을 제공해야 함이 강조된다. 지식을 습득뿐만 아니라 도구로서의 지식이 역할을 하여야 하며, 따라서 해당 전문가들이 사용하는 도구, 사고 방법도 함께 강조 된다.

넷째, 상황학습 전개를 위해 교육자는 학습의 촉진자 역할을 해야 한다. 상황학습 환경에서 학생들은 실제적인 과제를 직접 해결하는 과정을 경험한다. 수업의 형식은 일방적인 지식의 전달이 아니라 학습자의 능동적 참여가 요구되며, 교육자는 문제해결 과정에 대한 관찰, 어려움에 대한 조언, 필요한 경우 도움을 제공하는 학습 촉진자나 보조자의 역할을 담당한다.

2-3 의미 네트워크와 감정의 분석

연관 네트워크 모형은 인간의 기억구조는 서로 관련된 개념끼리 일종의 네트워크를 형성하여 연결된 상태로 저장되어 있다고 가정한다[14]. 이를 바탕으로 인간의 기억에 저장된 정보가 활성화되는 형태에 대해 제시한 이론이 활성화 확산 이론이다. 활성화 확산 이론은 기억 속에 입력된 개념을 노드로 삼고 노드 간에 연결고리를 가지며 네트워크를 형성한다. 인간의 장기 기억 구조 속에 저장된 정보들은 어떤 정보에 노출될 경우 그 정보와 연결된 다른 정보들이 연상되고 연상된 관계가 다시 저장 된다.

학습과 기억에 감정이 미치는 영향을 평가한 심리학적 연구들은 감정이 학습과 기억에 영향을 준다고 보았다[15]. 감정은 다양한 요인에 따라 학습 및 장기 기억의 유지를 향상하거나 손상할 수 있다. 더 나아가 감정은 정보를 기억시킬 때, 중립적인 형태로 기억시키는 것이 아니라 감정적 요소를 포함시켜 기억시킨다. 포유류의 감정은 ‘SEEKING’, ‘RAGE’, ‘FEAR’, ‘LUST’, ‘CARE’, ‘PANIC/GRIEF’, ‘PLAY’의 7가지 요소로 분류할 수 있는데 이중 SEEKING은 호기심 또는 흥미에 해당하며 특정 목적에 대한 호기심의 참여를 생성하고 유지하는 동시에 예측하고자 하는 욕구에 따라 학습을 촉진하게 된다[16]. 결과적으로 SEEKING은 감정요소로서 정보를 장기기억으로 연결하는데 주효한 요소로 작용한다고 하였다. 즉 학습과정을 꾸리는데 있어 SEEKING 감정을 잘 활용하는 것이 주요한 전략이라는 것이다.

본 연구는 활성화 이론에 기반한 연관 네트워크 모형과 학습과 감정 사이의 관계를 토대로 본 연구에서 개발한 교육 과정을 평가하고자 했다. 만약 참여자들이 이 과정의 경험에 대해 의견을 제시한다면 문장의 형태로 내놓게 된다. 문장을 구성하는 단어들을 각각의 노드로 간주하고 연결을 가질 수 있도록 한다면 의미 간의 연결을 표현하는 의미 네트워크를 구성할 수 있게 된다. 더 나아가 중립적인 단어와 함께 주관성이 포함된 감정 단어를 분석하면 참여자들에게 의미 있는 감정을 남긴 주제와 그 안에 담긴 내용 요소들의 의의를 평가할 수 있다.


Ⅲ. 컴퓨터비전 활용 드론 프로그래밍 과정 설계
3-1 상황학습이론의 적용 방향

본 연구는 드론과 컴퓨터비전 양측을 연계하여 융합하는 과정을 설계하는데 상황학습이론을 적용하고자 했다. 상황학습이론을 SW 상황에 적용할 수 있도록 드론을 프로그래밍하는 개발자의 상황에 맞게 이론을 재해석하였으며, 과정의 적용 방향을 다음과 같이 설정하였다.

본 연구에서는 상황학습이론을 적용하여 드론과 컴퓨터비전을 연계한 교육 과정을 설계하고자 드론 SW 개발상황에 맞게 상황학습이론을 재해석하여 과정의 적용 방향을 정했다.

첫째, 모든 과정은 전후 간에 연계성을 가지도록 모듈화한다. 구성주의 관점에서 지식은 경험으로부터 구성되는 것이며 이것은 기존의 스키마를 주춧돌로 삼는다. 따라서 이전의 경험이 유효하게 사용되기 위해서는 과정 자체가 긴밀하게 연결되어야 한다. 전후 간 연계성을 담보하기 위한 전략으로 학습의 최종 결과에 필요한 내용을 분석하여 이를 모듈화한다.

둘째, 기초 기능으로부터 심화 기능으로 발전시켜 나간다. 기초 기능과 심화 기능은 드론과 컴퓨터비전에 관련된 기술적 난이도가 아니다. 향후 구현하게 될 기능의 기반이 된다면 상대적으로 기초적인 것이며 선행된 내용을 기반으로 구현되는 것은 심화 된 기능으로 간주한다. 예를 들어 사물을 추적하는 드론을 구현하고자 한다면 비행기능과 추적기능이 필요하다. 그런데, 날지 못하는 드론이 사물을 추적할 수 없으므로 비행은 추적기능의 기초적 기능이며, 추적은 심화 기능에 해당한다.

셋째, 새로운 개념을 도입할 때 예제로 시작하여 실제적 문제에 도전한다. 예제는 개념을 이해하고 확인할 수 있는 작은 문제이며, 실제 문제는 개념이 적용되어야 하는 본래의 문제로 드론을 프로그래밍해야 하는 맥락이 추가된 문제다.

넷째, 지식과 함께 지식의 습득 방법을 안내한다. 컴퓨팅 영역은 빈번하게 새로운 지식이 등장하거나 사라지기 때문에 프로그래머들은 새로운 지식을 활용하기 위해 끊임없이 정보를 습득해 나가야 한다. 더욱이 문제해결을 위해 프로그래밍이 필요한 실제 상황에서는 지식을 제공해주는 강사나 교사의 역할을 기대할 수 없다. 이런 상황에서 지식 자체도 중요하지만 지식을 구성하거나 습득하는 방법을 익히는 것도 중요하다. 따라서 이 과정은 탐색 활동이 필요하며, 탐색한 내용을 학습자가 이해한 경우에만 사용 한다.

마지막으로, 의견교환을 통해 문제를 해결하고 있는 상황을 공유한다. 일반적으로 문제를 해결하는 방법은 하나가 아니므로 해결 방법을 공유함으로써 사고의 폭을 넓힐 수 있다. 이를 위해서 코드를 작성할 때 가독성과 일관성을 유지하도록 지도하며 관련 방법도 안내한다. 비록 알고리즘적으로 불완전하더라도 변수, 함수, 클래스의 이름은 다른 프로그래머가 읽거나 자신이 다시 읽을 때 의미와 역할이 명확하게 이해되어야 한다.

3-2 설계 전략

본 연구에서 제안한 프로그래밍 과정은 문제가 각 모듈 단위로 주어져 모든 모듈이 최종과제 해결에 도움이 되는 형태다. 적절한 문제를 마련하기 위해서 참여자가 최종적으로 도달해야 하는 목표를 결정하며, 여기에 필요한 지식을 습득하는 과제가 포함된다. 결국 큰 프로젝트를 수행하기 위해 작은 프로젝트들을 개별적으로 경험하는 것이다. 수행 순서는 필요조건과 충분조건에 의해 결정되며 선행 프로젝트는 필요조건, 후속 프로젝트는 충분조건이 되어야 한다. 이와 같은 과정이 진행되기 위해 다음과 같은 단계들을 거친다.

첫째, 과정의 최종과제와 최종산출물을 결정한다.

둘째, 최종과제에 필요한 핵심지식을 추출한다. 예를 들어 드론 프로그래밍의 핵심지식은 드론과 컴퓨터비전과 관련된 것으로 컴퓨터시스템, 인공지능, 통신 등 정보과학에 관련한 지식이다.

셋째, 핵심지식에 해당하는 모듈별 과제를 설정한다. 모듈별 과제는 상황학습이론에 근거하여 실제적 문제로 구성되며 모듈별 과제를 수행함으로써 참여자는 최종과제를 수행하기 위한 지식을 습득할 수 있는 기회를 얻는다.

이와 같은 과정을 표현하기 위해 피쉬본(Fish-bone) 다이어그램을 변용했다. 피쉬본 다이어그램은 문제의 원인과 결과를 확인하거나 예상과 결과를 분석하는데 사용되는 사고 도구이다. 원인 결과를 분석하는 피쉬본 다이어그램과 본 연구에서 개발하고자 하는 과정이 최종문제를 해결하는데 필요한 요소를 분석한다는 점에서 유사성이 있어 과정을 용이하게 표현할 수 있을 것으로 판단했다. 그러나 피쉬본 다이어그램은 순서와 위계를 표현하는 명확한 기준이 없어 다음 요소를 추가했다.



• 화살표 : 과정의 진행 방향을 나타낸다.
• 위계 : 작은 화살표들이 상대적으로 큰 화살표에 합류하며 큰 화살표들은 더 큰 화살표의 흐름에 합류한다. 작은 지식이나 경험들이 모여 더 큰 범주의 지식이나 기능을 구성함을 의미한다. 화살표는 위계에 따라 대주제, 소주제, 활동으로 나뉜다.

추가된 요소에 따라 변형한 피쉬본 다이어그램은 그림1과 같은 형태다. 화살표와 위계에 따라 표현된 다이어그램은 교육 과정의 전개 순서와 위계를 보일 수 있다. 학습은 최종산출물의 생성을 위해 진행되며 다수의 주제를 가진다. 각 주제는 내부에 활동 또는 학습요소들을 가지며, 필요한 경우 중간수준의 주제로 묶어 표현할 수 있다.


Fig. 1. 
Modified Fishbone Diagram to Representing Curriculum

3-3 드론 프로그래밍 과정의 주제별 내용

설계된 과정은 그림2와 같이 일종의 Tree 구조를 가지며, 시작점으로부터 깊이를 우선하여 내용을 전개한다. 주제로 1~2개의 소주제와 그에 대한 강의내용이 있으며 각 소주제는 2시간 내외의 시간으로 계획되어 총 22시간의 강의 분량이다. 표1은 각 주제의 내용과 활동을 전개되는 순서에 의하여 정리한 것이다.


Fig. 2. 
Curriculum Diagram of Drone Programming

Table. 1. 
Drone Programming Course Description
No Themes Contents of Themes [learning hours]
1 Drone Control
Experience
Drone Control Experience[2]
- Connecting Drone
- Searching for sensing elements of drones
- Exploring the flying elements of drones
2 Drone Communication Configuration of Development Environment[2]
- Programming environment configuration
- Network environment configuration
Takeoff and Landing[2]
- Communication between programs by socket communication
- Communication with drones using parallel programming
3 Planned flight of drones Drone Class Creation[2]
- Example analysis
- Create a basic class
Planned Flight of a Drone[2]
- Vector based flight
- Coordinate based flight
4 Real-time
control and
GUI of drones
Real-time Keystrokes[2]
- Key events in pygame
- Temporary mapping of posture adjustment key
Real-time Keyboard Control of the Drone[2]
- Screen design and implementation
- Mapping the drone’s motion to keystrokes
5 Drone and Image Video Input and Output[2]
- OpenCV installation and overview
- Input / output of images, videos and webcams
Video Input and Output[2]
- Drone video reception and monitor output
- Integrate receive functions into real-time control program
6 Intelligent Drone Understanding and Application of the Principle of Face recognizer[2]
- Introduction to HaarCascade and get models
- Face recognition from images, webcam, and drone video
Face Recognition from Drone Video[2]
- Interpretation of the relationship between recognized face information and drones
- Control of drones using face information

이 과정의 내용과 설계의 의도는 첫째, 일관된 맥락을 제공하는 것이다. 과정은 “최적화된 얼굴 추적 드론의 완성”이라는 일관된 목표를 가지고 전개되며, 한 번 학습한 지식은 그 후에도 계속 활용된다. 즉 맥락 속에서 지식이 도구로 사용되는 장면을 참여자에게 지속적으로 제공한다.

둘째, SW 활동 안에서의 주제통합이다. 드론을 맥락으로 통신, 병렬프로그래밍, 인터페이스 구성, 컴퓨터비전 등 다양한 컴퓨팅 영역을 주제 안에 끌어들였다. 이러한 부분은 예비교사에게 분절적으로 남겨진 지식을 활성화하여 전공교육이 가진 의미를 음미하게 하고자 하는 의도다.

셋째, 빠른 피드백이다. 전체의 주제를 완료하지 못해도 하나의 주제를 완료하면 자신의 성취를 확인할 수 있다.

넷째, 모듈화된 주요 내용이다. 모듈에 대한 평가를 수행하고 이에 따라 모듈을 다른 내용으로 교체하거나 맥락에 따라 변형할 수 있도록 하였다.


Ⅳ. 연구방법
4-1 연구대상

K대학교 컴퓨터교육과 학부생을 대상으로 활동내용을 안내하고 동아리 형태로 모집하였으며 자율적으로 참여하도록 하였다. 이 과정은 프로그래밍과 드론 양쪽을 다뤄야 하며 예비교사를 대상으로 만들어진 프로그램이기 때문에 연구대상은 자원자의 신청을 받아 의도적 표집을 실시했다. 표집의 방법은 다음과 같다.

첫째, 예비 정보교사를 참여대상으로 했다. 자원자들이 정보⋅컴퓨터를 전공, 또는 복수전공과정에 있는지 확인했다.

둘째, 프로그래밍에 경험이 있는 학생들을 선발했다. 이 과정은 프로그래밍의 구조 등 기초적인 내용은 설명하지 않기 때문이다. 단, K대학교 컴퓨터교육과 학부과정에서 C언어 과목만 개설되어 않아 파이썬에 대한 경험은 고려하지 않았다.

셋째, 2학년 학생을 대상으로 하였다. 연구가 참여자의 학업에 영향을 줄 것을 염두에 둔 부분이며, 1학년 학부생의 경우 프로그래밍 언어를 습득 중이기 때문이다.

넷째, 인원을 8명으로 제한했다. 드론의 활동은 안전상 넓은 장소가 필요하다는 점에서 8명으로 한정하였다.

4-2 적용한 드론

과정에 적용한 드론은 전면에 카메라가 장착되어 있으며 그림3과 같은 형태와 구성을 가진다. 이 드론은 스마트폰에 앱을 설치하여 조종할 수 있으며, PC로 프로그래밍할 수 있도록 SDK(Software Development Kit)를 제공한다. 실내 운용을 위해 하방에 카메라가 장착되어 있으며 이 카메라는 바닥 면을 인식하여 호버링(hovering) 중 자신의 위치를 고정하거나 특정 패턴을 읽어 좌표로 보고한다. 통신은 WiFi를 이용하여 UDP 통신 방식으로 PC 또는 스마트폰과 정보를 주고받는다.


Fig. 3. 
Drones Used in Research[17]

4-3 참여자 설문과 네트워크 생성

과정을 완료한 후 참여자들이 경험한 내용에 대해 개방형 설문을 실시했다.

개방형 설문은 연구자가 응답을 주관적으로 해석할 수 있다는 단점이 있으나 응답자가 자유롭게 응답할 수 있다는 점, 예상하지 못한 문제를 발굴하거나 새로운 사실에 대해 정보를 얻을 수 있다는 점 등의 장점이 있다. 따라서 설문을 해석하는 데 있어 개방형의 장점을 유지하고 주관성을 배제하는 것이 해석과정에서의 과제다. 본 연구에서는 해석의 주관성을 배제하기 위해 의미 네트워크를 생성해 분석의 표지로 삼았다.

참여자의 응답으로부터 네트워크를 생성하는 과정을 표2에 정리하였다. 이때 의미 네트워크 생성은 파이썬 프로그래밍 언어와 Network X 패키지를 활용하여 자동화했다.

Table. 2. 
Network creation process
Step Details Result
Pre-processing and Refining Preprocess participant responses to extract clean words. Words
Forming links Use the elements of a word set to construct a link. Links
Generating Network Aggregate links to create a network. Sementic network

그러나 전처리와 정제의 과정은 내부에 세부 단계가 있으며, 이 중 복원, 삭제, 통합, 분리의 과정은 그 단어의 의미를 파악해야 하므로 수작업을 통해 이루어졌다. 표3은 전처리 과정을 정리한 것이다.

Table. 3. 
Method of Pre-processing and Refining
Step Details Used Python
Packages or Manual
Correction We correct spelling at the sentence level. py-hanspell
Sentence Separation Separate entire text into sentences kss
Extract Word Extract words from sentences konlpy
Restore Words Word’s lost meaning are restored during the automation process. manual
Delete Word The removal of unnecessary words. manual
Word Integration Incorporates words used in the same sense but expressed in different words. manual
Word Separation Words that use the same term but have different meanings are described separately. manual


Ⅴ. 의미 네트워크의 분석
5-1 드론 프로그래밍 과정의 전체 의미 네트워크

본 연구에서는 학습자들의 설문내용을 바탕으로 방향성이 없는 노드를 생성하였으며 그림4는 네트워크 분석을 위해 공출현빈도 5회 이하인 노드는 삭제해 시각화한 의미 네트워크다.


Fig. 4. 
Entire Network Created by Participants’ Response

본 연구에서 실시한 드론 프로그래밍 과정이 참여자에게 어떤 의미가 있는지를 분석하기 위해 전체-의미 네트워크로부터 중앙성 지표를 산출하여 표3에 정리하였다. 표3에서 공출현빈도(Deg)는 하나의 링크를 구성하기 위해 해당 노드가 다른 노드와 함께 출현한 빈도를 의미한다. 연결 중심성은 얼마나 많은 노드가 이 노드와 연결되었는지를 살핀다. 매개 중심성은 두 노드를 연결해주는 역할로서의 중심성을 의미한다[18]. 네트워크를 시각화하는 과정에서 공출현빈도를 노드의 크기에 반영하였으며, 빈번하게 연결되는 링크는 굵기와 색에 반영하였다. 보라색에 가까울수록 링크의 빈도가 높으며, 노란색에 가까울수록 빈도가 낮다.

생성된 네트워크는 드론을 중심으로 노드들이 전개되어 있는데 특히 중심에 ‘드론’, ‘프로그래밍’, ‘제어’가 위치한다. 해당 노드는 본 연구에서 개발한 과정을 표현하는 단어이며 이 노드들은 이 네트워크 안에서 다른 노드들에 비해 높은 공출현빈도와 높은 연결 중심성, 매개 중심성을 갖는다. 높은 연결 중심성을 가지는 노드들은 참여자들이 이 과정에 대한 자신의 의견을 설명할 때, 이 단어들을 빈번하게 사용하였다는 의미이며 과정의 주제를 정확히 인식하고 있음을 확인할 수 있다.

다만 네트워크가 조밀하게 연결되어 있어 각각의 의미를 파악하기 어려우므로 추가로 기술적인 처리를 하였다. 중심에 있는 노드 중 본 연구에서 개발한 과정의 주제에 해당하는 ‘드론’, ‘프로그래밍’, ‘제어’ 노드의 매개 중심성을 보았을 때 각각 0.1013, 0.0578, 0.0326으로 다른 노드들에 비해 월등하게 높은 편이다. 매개 중심성은 다른 노드들을 연결하는 매개 역할을 하는 성질을 의미하기 때문에 이 노드들이 분리될 경우 나머지 네트워크의 구성을 분석하기 용이할 수 있다. 한편 ‘경험’ 노드는 해석의 여지가 있으므로 남겨두었다.

본 과정의 일반용어가 되는 노드와 관련 링크는 제거했으나, 이 노드들이 무의미하다는 의미는 아니며 이 노드들이 네트워크 전반에 연결되어 있음을 확인하였으므로 이후 네트워크의 해석은 “드론을 프로그래밍을 통해 제어”하는 것을 전제하여 진행하였다.

그림5의 타원은 링크 중 해석 가능 부분을 표시한 것이며 본 과정에 대한 학습자의 인식을 확인할 수 있다. 1번 영역은 ‘어려움 – 파이썬’ 링크로 참여자들이 어려움을 느끼는 부분이 파이썬임을 나타낸다.


Fig. 5. 
Network without High Centrality Nodes

2번은 ‘교사-교육’링크다. 참고로 ‘교사’, ‘현직교사’ 등 참여자가 같은 의미로 사용한 용어를 ‘교사’로 통합하였다. ‘교육’은 본 과정에 대한 의미일 경우 ‘과정’으로, 사범대학교 과정에 대한 의미일 경우 ‘학부과정’으로 분리하였다. 이 부분은 참여자들이 예비교사로서 자신들이 미래에 펼치게 될 교육에 대해 언급한 부분이며 수동적으로 과정에 참여하지 않고 자신의 미래 역할을 기대하며 참여했음을 나타낸다.

3번은 ‘경험-직접’링크로 과정에 대해 참여자가 직접적인 경험으로 인식하였다는 것으로 해석된다. 4번은 ‘통신-이해’ 링크로 본 과정은 통신에 대한 이해를 바탕으로 전개됨을 의미한다.

정리하면 참여자들은 이 과정이 통신에 대한 이해를 바탕으로 직접적인 경험을 통해 전개된 것으로 인식했다. 그리고 예비교사로서 교육하게 될 것을 연상하며 활동하였다. 한편 과정에서 사용한 언어인 파이썬은 어려움을 느낄 수 있는 부분임을 네트워크 분석을 통해 확인했다.

5-2 네트워크의 감정 노드 분석

그림6는 각각의 감정에 대한 노드를 정확하게 확인하기 위해 감정과 직접 연결된 링크만 시각화한 것이다. 네트워크에는 ‘흥미’, ‘어려움’, ‘신기함’, ‘아쉬움’의 감정 노드가 존재하며 이 중 ‘흥미’ 노드를 중심으로 전개된다. ‘흥미’노드는 공출현빈도가 32회, 연결 중심성 0.7111로 높은 공출현빈도와 높은 중심성이 확인된다. 한편 ‘어려움’, ‘신기함’, ‘아쉬움’ 등 감정 노드들은 네트워크의 외곽에서 위치한다. 이는 참가자들이 흥미를 중심으로 이 과정을 경험했으며 ‘어려움’, ‘아쉬움’, ‘신기함’이 동반되었음을 확인할 수 있는 부분이다.

Table. 4. 
Centrality of Semantic Networks
No Node Deg Connection
Centrality
Between
Centrality
1 Drone* 47 1.0444 0.1013
2 Programming* 40 0.8889 0.0578
3 Experience 35 0.7778 0.0389
4 Control* 34 0.7556 0.0326
5 Interest** 32 0.7111 0.0316
6 Variety 32 0.7111 0.0270
7 Communication 31 0.6889 0.0227
8 Directly 31 0.6889 0.0214
9 Course 28 0.6222 0.0162
10 Movement 27 0.6000 0.0201
11 Uses 26 0.5778 0.0153
12 Learning 26 0.5778 0.0184
13 Python 25 0.5556 0.0132
14 Education 24 0.5333 0.0123
15 Flight 24 0.5333 0.0089
16 Infomation 24 0.5333 0.0112
17 Video 23 0.5111 0.0071
18 Method 22 0.4889 0.0064
19 FaceRecognize 22 0.4889 0.0099
20 Sensor 21 0.4667 0.0029
21 Beginning 20 0.4444 0.0113
22 ProblemSolving 20 0.4444 0.0089
23 Code 20 0.4444 0.0139
24 Need 17 0.4048 0.0023
25 Understand 18 0.4000 0.0038
26 DevEnvironment 18 0.4000 0.0022
27 4th Revolution 18 0.4000 0.0045
28 Practice 18 0.4000 0.0039
29 Camera 17 0.3778 0.0017
30 FlyElement 17 0.3778 0.0050
31 Undergraduate Course 17 0.3778 0.0045
32 SmartPhone 16 0.3556 0.0038
33 Teacher 16 0.3556 0.0040
34 Package 15 0.3333 0.0018
35 Assistance 14 0.3111 0.0024
36 Activity 14 0.3111 0.0055
37 Detailed 14 0.3111 0.0019
38 Student 13 0.2889 0.0016
39 Difficulty** 13 0.2889 0.0008
40 Chance 12 0.2667 0.0010
41 Keyboard 12 0.2667 0.0010
42 Circles 11 0.2444 0.0028
43 Delivery 10 0.2222 0.0000
44 Controller 9 0.2000 0.0005
45 Novelty** 9 0.2000 0.0008
46 Regret** 6 0.1333 0.0008
* General Node, ** Emotional Node


Fig. 6. 
Network Created for Emotion Analysis

각각의 감정 노드와 연결되는 노드는 표5에 정리했다. 감정 노드 중 상대적으로 중심노드에 해당하는 흥미 노드는 교육적으로 분석 가치가 큰 노드다. 듀이는 학습에서 흥미를 학습을 일으키는 자발적 동력이라고 정의하였다[19]. 여기서 흥미는 교육적 흥미를 의미하며 노력과 일반적인 흥미가 동시에 존재하는 것을 의미하므로 흥미가 있다는 것은 그 내용이 학습자에게 관심을 가지고 문제해결에 노력할 가치가 있는 것으로 인정된 것이다. 따라서 흥미를 중심으로 다른 연결과의 관계를 살핀다면 학습주제로서 가치 있는 노드들을 평가할 수 있다. 흥미 노드가 다른 노드들과 연결된 경우를 주제벼로 표6에 정리하였다.

Table. 5. 
Other Nodes Connected to the Emotional Nodes
Emotional Nodes Connected Nodes
Interest Communication, Beginning, Course, Understand, Regret, Python, Learning, Develope Environment, Chance, Practice, Flight Element, Smart Phone, Controller, Video, Method, Experience, Direct, Variety, Code, FaceRecognition, ProblemSolving, Undergraduate Course.
Difficulty Interest, Learning, Python, Understand, Undergraduate Course.
Regret Circles, Activity, Interest, Code, Beginning
Novelty Code, Communication, Movement, Controller

Table. 6. 
Other Nodes Connected to the “Interest” Node
Connected Nodes
Theme-1 Smart Phone, Controller, Flying Element
Theme-2 Communication, Development Environment
Theme-3 -
Theme-4 -
Theme-5 Video
Theme-6 Face Recognition
Emotion Difficulty, Regret
etc Python, Problem Solving, Code, Learning

각 주제들이 흥미로울 수 있는 부분들은 연결빈도가 각각 주제1에 해당하는 ‘스마트폰’, ‘비행요소’, 주제5에 해당하는 ‘영상’, 주제6과 관련된 ‘얼굴인식’ 모두 4회씩 연결되었다. 그러나 공출현빈도를 따졌을 때 ‘영상’이 23회, ‘얼굴인식’이 22회로 참여자들이 ‘영상’과 ‘얼굴인식’에 대하여 ‘스마트폰’(16회)과 ‘비행요소’(17회) 보다 더 많은 언급을 하였다.

한편, 주제3과 주제4에 해당하는 의미 노드는 발견되지 않았다. 실제 응답에는 ‘Class’, ‘GUI’, ‘실시간 제어’ 등 노드로서 인정될 수 있는 단어들이 존재하나 시각화 과정에서 출현 빈도가 낮아 표현되지 않았다. 원자료를 살펴보았을 때 이 부분이 ‘흥미’ 있었다는 내용은 없었다. 이러한 사실을 고려하면 주제3과 주제4는 다른 주제와 통합하여 간소화하거나, 추가적인 문제해결 활동을 통하여 흥미를 끌어 올려야 할 필요가 있다.

흥미는 아쉬움과 어려움이라는 감정 노드와도 연결된다. 일종의 복합감정인데 한 문장 안에서 흥미와 아쉬움, 흥미와 어려움을 동시에 표현한 경우다. 이에 대한 정확한 의미는 해당 감정 노드가 등장하는 원자료에서 확인할 수 있다.

먼저 ‘어려움’ 노드가 출현하는 원자료를 살펴봤을 때 그 내용은 다음과 같다.

흥미-어려움 응답 1 : “파이썬 프로그램과 드론 통신 자체가 처음 접했던 터라 조금 어려웠지만, 기초부터 자세히 진행되어 이해도 쉽게 되었고 드론의 통신과정이나 네트워크, 개발환경 구성에 흥미를 느낄 수 있었다.”흥미-어려움 응답 2 : “파이썬을 많이 다루어 보지 않아서 처음에는 약간의 어려움이 있었지만 드론을 프로그래밍 하는 것 자체가 흥미로웠다.”어려움 : “전공으로 파이썬이 아닌 C언어를 배우기 때문에, 파이썬을 공부하는 데에 어려움이 있었다.”

흥미와 어려움이 동시에 포함된 응답들은 드론을 제어하기 위한 프로그래밍 과정에서 파이썬의 도입으로부터 그 어려움이 기인했음을 일관되게 진술한다. 문제해결 과정이 어려웠다기보다는 파이썬의 문법이 친숙하지 않았기 때문에 어려웠다는 것이다. 그러나 참가자들은 예비 정보교사로서 이미 프로그래밍에 대한 기초개념을 가지고 있었기 때문에 빠르게 적응하였으며, 흥미를 매개로 어려움을 극복하고 과정을 끝까지 참여할 수 있었다.

다음으로 흥미 노드와 연결된 감정 노드는 ‘아쉬움’ 노드다. 이에 대해 분석하기 전에 네트워크에서의 ‘아쉬움’ 노드가 본 연구에서 도입한 과정에 대한 아쉬움 인지 다른 의미가 있는지 그 의미를 명확히 해야 할 필요가 있다. ‘아쉬움’ 노드와 ‘흥미’ 노드가 동시에 등장하는 원자료의 내용 다음과 같다.

흥미-아쉬움 응답 : 정말 재미있었는데, 코로나 때문에 계속하지 못해서 아쉬웠습니다.

해당 문장에서 ‘흥미’라는 단어가 보이지 않는 것은 정제과정에서 ‘재미’라는 단어가 ‘흥미’로 통합되었기 때문이다. 이 외에도 흥미에 대한 노드는 없지만 이에 ‘아쉬움’ 노드의 의미를 명확히 하기 위한 원자료는 다음과 같다.

아쉬움 1 - 학생들의 역량 문제였지만 시간이 부족해서 프로그래밍을 깊게 못 해봐서 아쉬운 것 같습니다.아쉬움 2- 다소 아쉬운 부분은 저희가 시간이 부족하여 드론 동아리에 많은 시간을 투자하지 못했다는 점입니다.아쉬움 3 - 문서화를 많이 못 해둔 점이 아쉽습니다.아쉬움 4 - 지금 생각해보니 코드를 공동으로 정리해서 깃헙에라도 올려둘 걸 하는 아쉬움이 들었습니다.

원자료의 진술을 확인한 결과 아쉬움은 과정에 대한 낮은 평가를 의미하지 않는다. 대체로 시간이 제한된 상황에 대한 아쉬움과 자신의 행동에 대해 반성하는 진술이다. 이러한 진술에서 참여자들이 학습을 더 진행하고자 하는 의도와 과정 종료 후 자신의 행위에 대한 반성적 태도를 확인할 수 있다.

이 진술들은 드론 프로그래밍에 관심 있는 학습자들이 자원하여 시작되었으며, 흥미 있는 활동이었으며, 학습을 더 진행할 의사가 있었음을 전제로 ‘직접적 흥미’와 ‘간접적 흥미’의 연쇄작용을 확인할 수 있다. ‘직접적 흥미’는 그 자체로 즐겁게 활동하는 상황에서 발생하는 흥미이며, ‘간접적 흥미’는 그 활동 자체가 좋지는 않지만 바라는 결과가 흥미롭기 때문에 발생하는 흥미다. 연쇄작용은 직접적 흥미를 위해 필요한 수단적 과정임을 인식하여 간접적 흥미가 목적 대상에 대한 직접적 흥미로 전이된 상태를 의미한다[20]. 즉 상황적 제한은 아쉬운 점이나 더 높은 수준의 프로그래밍을 희망하고 문서화를 지향하며 공유를 지향하는 태도는 단순히 드론과 프로그래밍에 관심이 있어 참여했던 처음의 상태보다 상당한 수준으로 심화되어 발전한 것으로 평가할 수 있다.

마지막으로 다른 감정 노드들과는 완전히 분리되어있는 ‘신기함’ 노드에 대한 해석이다. ‘신기함’ 노드는 ‘코드’, ‘통신’, ‘움직임’, ‘조종기’와 연결되어 있다. 여기에 해당하는 원자료의 문장은 다음과 같다.

신기함 1: 기존의 조종기가 아닌 코드로만 드론을 조종할 수 있다는 것에 신기함을 느꼈습니다.신기함 2: 드론의 통신을 이용하여 코드로 작성한 명령어로 드론을 짤 수가 있어 너무 신기하였다.신기함 3: 드론을 제어하는 프로그램을 짜면서 내가 짠 프로그램대로 움직이는게 신기했다.

원자료의 문장들을 살펴보았을 때 참여자들이 본 연구의 과정에 참여하기 전에 가지고 있는 오개념을 확인할 수 있다. 특히 드론을 조종기로만 제어할 수 있다는 부분이다. 프로그래밍을 도입함으로써 참여자 중 드론에 대한 오개념을 가지고 있는 경우 “드론은 컴퓨터에 의해 제어할 수 있는 것”으로 오개념이 수정된 것이다.


Ⅵ. 시사점 및 결론
6-1 시사점

본 연구에서 개발한 드론-프로그래밍 과정은 참여자들에게 전체적으로 흥미 있는 과정으로 인식되었다. 학습자료가 학생의 활동을 일으키고 일관성 있게 지속적으로 수행될 수 있도록 기능한다면 그 자료가 흥미를 유발하는 기능이 있다고 할 수 있다[21]. 교육에서 흥미는 자발적 학습을 일으키는 요인이기에 교육내용에 흥미 요소를 추가하려고 노력하지만, 실제 흥미 있는 교육상황은 만들어내기 어렵다. 본 연구에서 개발한 과정은 흥미를 위해 놀이나 게임으로 만들어낸 것이 아니라 드론에 대한 SW적인 지식을 익히고 문제 해결 과정을 경험하도록 의도된 것이기에 실제 상황의 적용이 자연스러운 흥미를 유발했다는 부분에서 그 의의가 크며 이러한 사실은 예비교사들에게 실제적 문제가 자발적 학습을 일으키는 요소로 작용할 수 있음을 시사한다.

이와 더불어 SW 교육과 드론 교육 양쪽에서 본 연구가 시사하는 점은 다음과 같다.

첫째, SW 교육에서 예비교사에게 과제를 제시한다면 실제 상황과 함께 실습의 형태로 제공할 필요가 있다. 실습은 글, 그림으로만 제공하는 내용보다 더 풍부한 정보를 학습자에게 제공할 수 있다. 예를 들어 드론의 프로펠러가 내는 소리, 프로그래밍 과정에서 발생하는 실제적 오류와 이를 분석해내는데 필요한 논리적 성찰 과정이 바로 그것이다. 의미 네트워크는 주요 노드와 링크를 중심으로 표현되어 낮은 빈도로 언급된 노드들은 드러나지 않으나 참여자들은 다음의 내용을 언급했다.

원자료에서 드러나는 참여자들의 사전경험은 드론이 움직이는 것을 본 적이 있거나 들어본 적이 있는 수준이었으며 교육 후의 응답은 ‘IPC’, ‘프로토콜’, ‘머신러닝’, ‘프로그래밍’ 등 교육의 세부 내용에 대하여 ‘실제’, ‘직접’, ‘자세함’이라는 단어가 과정을 수식했다. 이러한 수식은 학습자들이 드론의 실체를 확인했다는 의미이며, 현재의 학부과정은 피상적이었으며 이 과정을 통해 자신들의 경험을 보충할 수 있었다고 진술했다.

지식에는 언어로 전달할 수 있는 형식지와 언어로 표현할 수 없는 부분인 암묵지가 존재하는데 실습을 하지 않고서는 이러한 암묵지는 상당히 어렵다. 그래서 과학에서 실험실은 과학자를 키워내는 인큐베이터로 종종 묘사된다. SW 교육도 마찬가지이다. 만약 이 과정이 실습 없이 이론이나 사례소개로 진행되었다면 기존의 이동체에 SW가 융합되어 완성된 드론에 관한 내용은 공상으로만 남겨져 있었을 것이며, 컴퓨터과학적인 개념들이 언제 쓰이는지, 내가 무엇을 할 수 있는지, 성능을 향상 시키기 위해서는 무엇을 어떻게 해야 하는지를 설득력 있게 전달하기 어려웠을 것이다. 참여자들의 이러한 응답은 교육 과정의 설계와 전개에서 실제 수행함으로만 얻는 지식의 존재를 고려해야 한다는 점을 시사한다.

둘째, 향후 드론을 교육해야 한다면 조종술과 함께 SW로 제어하는 경험도 충분히 함께 제공되어야 한다. ‘신기함’을 이야기하는 응답들에는 드론을 조종기로만 제어할 수 있는 것으로 알고 있었다는 응답이 8명 중 7명의 참여자에게서 발견되었다. 현재 초등학교 정규과정부터 대학과정 전까지 특성화 과정을 제외하고 학습자에게 드론에 대한 경험을 제공하는 경우는 거의 없다. TV, 인터넷 등의 매체가 주는 정보만으로 드론에 대한 개념을 얻게 되며 그 과정에서 정확한 정보가 누락 될 수 있다. 드론의 현 상황과 당장의 활용 방법을 전달하는 것도 중요하지만 그 과정에서 미래의 발전 방향도 함께 가늠해볼 수 있도록 SW적인 내용을 포함하여 구성해야 한다.

셋째, 에듀테크 분야에서 드론과 관련된 프로그래밍 교구를 개발하는 경우, 그리고 교육자가 드론 교구를 선정하고 교육내용을 조직할 때 영상 송수신과 관련된 부분이 고려되어야 한다. 드론과 컴퓨터비전의 결합은 기술적으로 상호호혜적인 관계에 있다. 드론이 컴퓨터비전을 활용할 경우 환경에서 더 많은 정보를 얻어 낼 수 있으며, 컴퓨터비전의 측면에서 볼 때 드론만큼 자유로운 위치에서 영상을 제공할 수 있는 장치는 드물다. 이것이 본 연구의 결과를 보았을 때 교육적인 시너지도 고려해야 하는 이유다. 의미 네트워크 분석에서 초기의 드론을 조종할 때 발생했던 흥미를 제외하고 ‘흥미’ 노드와 가장 강하게 연결된 부분이 주제 5와 주제 6에 해당하는 영상과 얼굴인식이었다. 이러한 현상은 일종의 흥미 발달로 해석된다. 참여자들의 흥미는 최초 드론 자체로 시작하는데 과정이 끝났을 때는 드론에서 활용하는 드론 내부의 영상 기술로 흥미가 심화 된 것이기 때문이다.

6-2 결론

본 연구는 드론에 대한 현재의 교육이 비행술 습득이 대중적인 목적이나 드론의 잠재성을 고려했을 때 SW 차원에서 접근하는 것이 더 발전적인 방향이라고 진단하고 예비교사를 위한 교육내용을 제시했다. 제안하는 과정은 상황학습이론을 적용하여 6개의 주제로 구성되었다. 그리고 그 내용을 전개하기 위해 최종과제를 큰 문제를 간주하여 작은 문제로 분해하고 분해된 문제들을 필요조건, 충분조건을 기준으로 과정의 순서를 정했다. 이러한 설계는 하나의 문제를 풀기 위한 지식을 수집하고 작은 문제의 해결 방법을 구안하고 큰 문제에 적용하도록 하여 과정 자체의 일관성을 유지하고, 주제의 통합을 통해 교과 지식이 융합되는 경험을 제공하며, 주제별로 성취할 수 있는 확인 지점을 남겨 피드백을 빨리 경험할 수 있게 하려는 의도로 설계되었다.

이를 학부 2학년 과정에 있는 예비 정보교사들에게 진행하였을 때, 이들이 과정 전반을 통해 심화 된 흥미를 느꼈고, 예비교사의 전문적 경험을 보충할 수 있는 과정으로 인식했음을 설문에 대한 네트워크 분석과 원자료 분석에서 확인하였다.

그러나 참여자들은 학습자 간 프로그래밍 능력 편차로 인해 깊이 있는 프로그래밍까지 경험해보지 못한 아쉬움, 파이썬에 대한 기초가 없다면 다소 어려움을 겪을 수 있는 점, 긴 과정이 진행되는 데 따른 시간적 한계도 함께 응답했다. 보고된 어려움 외에도 드론 자체가 협소한 장소에서는 활동이 제한되는 점, UDP통신으로 고정되어 혼선이 발생하는 경우 정확한 영상을 얻을 수 없는 점 등은 추가적인 연구를 통해 해소해야 하는 과제로 남았다. 또한, 참여자 선정 과정이 자원에 의한 것이었으며 적은 수의 인원에 적용되어 일반화하기 어렵다는 점에서 추가적인 연구가 필요하다.

드론은 사회 곳곳에서 이전 시대에 없던 이슈들을 불러일으키고 있는 4차 산업혁명 시대의 혁신기술 중 하나다. 드론은 과거 로봇 교육의 연장선에 있으며 IoT(Internet of Things)의 성격, 지능 요소 등의 강화로 산업 현장에서의 활약이 기대된다. 이 연구가 뒷받침되어 4차 산업혁명 시대에 미래 학습자와 이들을 지도할 예비교사들에 대한 드론과 SW 교육이 활성화되기를 희망한다.


References
1. Schwab, Klaus. The fourth industrial revolution. United States: Council on Foreign Relations, 2016.
2. Dronecode Project. Basic Concepts|PX4 User Guide. [Internet] Available: https://docs.px4.io/master/en/getting_started/px4_basic_concepts.html.
3. Ministry of Land Infrastructure and Transport of Korea, Drone industry development basic plan, pp 42p, 2017.
4. Hyosuk Lee, Occupational High School Drone and Pets... 50 billion won for department reorganization, YONHAP NEWS AGENCY, 2019, [Internet], Available: https://www.yna.co.kr/view/AKR20190614118900004.
5. Ministry of Land. Infrastructure and Transport of Korea, Korea Policy Briefing : Legal basis to improve drone piloting education base[Internet]. Available: https://www.korea.kr/news/pressReleaseView.do?newsId=156207120.
6. NEWS1, "Raising the drone industry"... Jeonju city opens drone soccer field for free, [Internet]. Available: https://www.hani.co.kr/arti/area/honam/995922.html.
7. STEAM Education. [result report] Drone up, Safe up, Survive earthquakes with drone programming. Available: https://steam.kofac.re.kr/?p=15580.
8. STEAM Education. [result report] ‘Upgrade resQ! Drone’ Diffusion Model Program. Available: https://steam.kofac.re.kr/?p=15114.
9. Dekoulis, G. Drones : Applications, IntechOpen, 2018.
10. U.S.A. Dept. of Defense, Unmanned Aircraft Systems Roadmap, 2005.
11. T. S. Huang, Computer Vision : Evolution and Promise, 19th CERN School of Computing. Geneva: CERN. pp. 21–25. 1996.
12. John Seely Brown, Allan Collins, Paul Duguid, “Situated Cognition and the Culture of Learning”, Educational Researcher, 18(1), pp. 32-42, January 1989.
13. Sungik Park, Chulil Lim, Jaekyung Lee, Jungim Lee. Situated Learning Theory, in Educational engineering understanding of teaching methods, Paju:Science of Education, pp.196-197. 2015.
14. Atkinson, R. C. , R. M. Shiffrin. Human Memory: A Proposed System and Its Control Process, The Psychology of Learning and Motivation, Vol 2, Academic Press, 1968.
15. Tyng Chai M., Amin Hafeez U., Saad Mohamad N. M., Malik Aamir S. “The Influences of Emotion on Learning and Memory”, frontiers in Psychology, VOL 8, pp 1454, 2017.
16. Pierre-Yves Oudeyer, J. Gottlieb, M. Lopes. “Intrinsic motivation, curiosity, and learning: theory and applications in educational technologies”, Progress in Brain Research, VOL 229, pp 257–284, 2016.
17. Ryze Robotics. Tello User Manual v 1.2. Available: https://dl-cdn.ryzerobotics.com/downloads/Tello/20180404/Tello_User_Manual_V1.2_EN.pdf.
18. Wasserman, Stanley and Faust, Katherine. Social Network Analysis. Cambridge University Press. NY:1994.
19. Dewey's Conception of Interest and Student-Centered Curriculum, The Journal of Curriculum Studies, VOL 21(1), pp.179-202, 2003
20. Hwangryong Lim, Educational meaning of Dewey's concept of interest, M.A. dissertation, National University of Education, GwangJu, 2010.
21. John Dewey, Democracy and Education : An Introduction to the Philosophy of education, The Macmillan Company, pp.149, 1916.

저자소개

전형기(Hyeongki Jeon)

2010년 : 전주교육대학교 초등교육 수학 심화 (교육학학사)

2018년 : 한국교원대학교 컴퓨터교육과 정보영재교육전공 (교육학석사)

2021년 : 한국교원대학교 컴퓨터교육과 초등컴퓨터교육전공 (교육학박사 수료)

2010년~현 재: 전라북도교육청 초등학교 교사

※관심분야:EPL, 피지컬컴퓨팅, IoT, 인공지능교육

김영식(Yungsik Kim)

1982년 : 서울대학교 전기공학과(공학사)

1987년 : 노스캐롤라이나주립대학교 전기 및 컴퓨터공학(공학석사)

1993년 : 노스캐롤라이나주립대학교 전기 및 컴퓨터공학(공학박사)

1993년~1994년: 한국전자통신연구소 선임연구원

1995년~1996년“ 한국전자통신연구소 위촉연구원

1996년~1998년“ 한국전자통신연구소 초빙연구원

1994년~현 재“ 한국교원대학교 컴퓨터교육과 교수

※관심분야:컴퓨터 교육, 프로그래밍 교육, 피지컬 컴퓨팅, 인공지능교육